1

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian

Volume X Nomor X: 1-5 (2021)

Tekper: Jurnal Teknologi dan Manajemen Industri Pettanian

http://ojs.uho.ac.id/index.php/JMIP
ISSN 2721-5709 (Online)

Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

Berdasarkan Umur dan Pendidikan Menggunakan K-Means Clustering

Application of Data Mining to Determine the Number of Registered Job Seekers Based
on Age and Education Using K-Means Clustering
Mohamad Shahrizwan Q1A118087*
Jurusan Ilmu dan Teknologi Pangan
Fakultas Pertanian, Universitas Halu Oleo, 2021, 6 Halaman

Email mshahrizwan893@gmail.com

Abstract
Jumlah pencari kerja terdaftar terdiri dari pendaftar berdasarkan umur dan pendidikan. Masing masing memiliki
jumlah pendaftar yang berbeda, dengan pendaftar berdasarkan umur memliki beberapa kategori dan berdasarkan
pendidikan memiliki variasi pendidikan yang dimiliki pencari kerja terdaftar. Penelitian ini menerapkan Data
Mining dengan menggunakan metode Clustering untuk menentukan jumlah pencari kerja berdasarkan tingkat
jumlah pendaftar di Dinas Tenaga Kerja dan Transmigrasi Provinsi Bengkulu. Algoritma yang digunakan yaitu K-
Means Clustering, di mana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam
kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih.Pengujian dilakukan
dengan aplikasi Rapid Miner 5.3. Rapid Miner merupakan software Data Mining yang dapat digunakan untuk
mengakses beberapa metode yang ada dalam Data Mining, sehingga dapat menghasilkan cluster-cluster dalam
pengelompokan data jumlah pencari kerja yang terdaftar
Kata kunci: Data Mining, K-Means Clustreing, Pencari Kerja. Rapid Miner.

Abstract
The number of registered job seekers consists of applicants based on age and education. Each has a different
number of registrants, with registrants by age having multiple categories and by education having variations in
education owned by registered job seekers. This study applies Data Mining by using Clustering method to
determine the number of job seekers based on the level of the number of applicants in the Office of Manpower and
Transmigration of Bengkulu Province. The algorithm used is K-Means Clustering, where data are grouped based
on the same characteristics will be entered into the same group and the data set entered into the group does not
overlap. The test is done with Rapid Miner application 5.3. Rapid Miner is a Data Mining software that can be
used to access several methods in Data Mining, so it can generate clusters in the grouping of data on the number
of registered job seekers.

Keywords: Data Mining, K-Means Clustreing, job seeker. Rapid Miner.

PENDAHULUAN

Data Mining merupakan bagian dari proses Knowledge Discovery in Database (KDD) Dimana
proses tersebut mengacu pada proses yang luas untuk menemukan pengetahuan dalam data dan
menekankan aplikasi khusus pada metode Data Mining.
 2
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar
K- Means clustering merupakan algoritma yang mudah dan sederhana. Algoritma Clustering
memiliki daya tarik yang luas dan digunakan untuk analisis data eksploras . Peningkatan algoritma
Clustering K-Means menggunakan waktu yang lebih baik dan akurat. Analisis cluster merupakan
pengelompokan satu set objek dengan benda yang sama yang lebih mirip satu sama lain.
Penggunaan Data Mining dalam pengelompokkan para pencari kerja terdaftar dikarenakan Data
Mining sudah banyak diterapkan dalam berbagai bidang. Salah satunya metode clustering khususnya
metode K-Means. Data Mining. Hasil pengolahan dengan Data Mining berupa sebuah pengetahuan
(knowledge) baru yaitu pengelompokan data jumlah pencari kerja terdaftar,

METODE PENELITIAN

Pada penilitian ini menggunakan metode Data Mining K-Means Clustering. Tahapan tahapan
Data Mining yaitu, Pembersihan data, Integrasi data,seleksi data, transformasi data, proses mining,
Evaluasi Pola dan presentasi pegetahuan . Kmeans clustering merupakan salah satu metode data
clustering non-hirarki yang mengelompokkan data dalam bentuk satu atau lebih cluster/kelompok..

HASIL DAN PEMBAHASAN

Pengumpulan data dan data yang digunakan pada penelitian ini adalah data pencari kerja yang
terdaftar di Dinas Tenaga Kerja dan Transmigrasi Provinsi Bengkulu. Cluster atau pengelompokan yang
ingin dibentuk yaitu tingkat jumlah pencari kerja terdaftar yang berdasarkan jumlah pencari kerja yang
terdaftar bulan Desember dan jumlah pencari kerja pada bulan sebelumnya pada tahun 2015 dari tingkat
jumlah pencari kerja terdaftar berdasarkan Umur dan Pendidikan

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 3
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

tabel: sampel data pendidikan

Hasil pengelompokan data jumlah pencari kerja berdasarkan umur dan pendidikan dengan Rapid Miner
A. Data View
merupakan sheet untuk menampilkan data yang telah diolah secara keseluruhan lengkap
dengan cluste

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 4
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

Tabel Tampilan data View umur

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 5
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

Data view pendidikan

B. Plot View
merupakan sheet di Result Perspective untuk menampilkan hasil pengelompokan data yang
telah diolah secara keseluruhan lengkap dengan klasternya dari example set (read excel) dalam bentuk
diagram Scatter
C. Clustering Model
merupakan sheet untuk menampilkan database yang telah berhasil diolah secara keseluruhan.
Dilihat dari cluster model (clustering).

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 6
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

Cluster model umur dan pendidikan

D. Folder View
merupakan sheet untuk menampilkan database yang telah berhasil diolah secara keseluruhan.

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 7
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar

Tampilan folder view umur dan pendidikan

KESIMPULAN

Kesimpulan yang didapatkan dari penelitian ini adalah pengelompokan data pelanggan adalah
sebanyak 3 cluster. Dimana Pada Data Jumlah Pencari Kerja Berdasarkan Umur cluster 0 adalah
kelompok data jumlah pencari kerja dengan jumlah terendah, cluster 1 yaitu kelompok data jumlah
pencari kerja dengan Jumlah tertinggi dan Cluster 2 dengan jumlah Pendaftar yang sedang.

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)

 8
Penerapan Data Mining untuk Menentukan Jumlah Pencari Kerja Terdaftar
Sedangankan pada data berdasarkan pendidikan Cluster 0 adalah kelompok dengan jumlah pendaftar
terbanyak dan pada Cluster 1 dengan jumlah pendaftar sedang dan pada Cluster 2 dengan jumlah
pendaftar rendah.

Daftar Pustaka

Bondu Venkateswarlu and Prof G.S.V.Prasad Raju.2013.Mine Blood Donors Information through Improved K-
Means Clustering.International Journal of Computational Science and Information Technology
(IJCSITY) Vol.1, No.3.
Budanis Dwi Meilani dan Nofi Susanti.2014Data Mining Untuk Menghasilkan Pola Kelulusan Siswa Dengan
Metode bayes Ed. Jurnal LINK Vol 21/No.2
Johan, O, O. 2013Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing President
University Ed. Jurnal Ilmiah Teknik Industri, Vol. 12.
Priyadharsini and Thanamani. (2014). ³An Overview of Knowledge Discovery Database and Data mining
Techniques An ISO 3297: 2007 Certified Organization Vol. 2.

Tekper: Jurnal Teknologi dan Manajemen Industri Pertanian, X(X):1-5 (2021)